Исследователи из Института искусственного интеллекта AIRI, НИУ ВШЭ, МГУ, ТГУ и УрФУ разработали нейросеть, которая может анализировать трёхмерные модели молекул и определять их химические формулы.
Это важный шаг к тому, чтобы соединить программы физического моделирования и системы ИИ, предсказывающие свойства веществ.
Раньше классические программы определяли химические связи, просто измеряя расстояния между атомами и сравнивая их с табличными значениями. Любая погрешность в замерах приводила к ошибкам. Новый алгоритм работает иначе: он анализирует геометрию всей молекулы целиком и строит граф связей между атомами прямо по трёхмерным координатам. Благодаря этому точность достигла 99,53%, а частота ошибок снизилась в 20 раз.
Проблема в том, что разные системы используют разные форматы данных. Одни программы работают с трёхмерными моделями, где важно точное расположение атомов в пространстве, а другие — со структурными формулами, где важно, какие атомы соединены и какими связями. Российские учёные создали алгоритм, который переводит одну систему в другую: нейросеть распознаёт пять типов взаимодействий между атомами — отсутствие связи, одинарную, двойную, тройную и ароматическую (как в бензоле), сообщает ТАСС.
Нейросеть анализирует молекулу целиком, поэтому ошибок и «фантомных» связей становится намного меньше, чем у старых решений. Разработка особенно эффективна для сложных соединений, например с большим количеством встроенных молекул воды. Это в разы улучшит работу систем моделирования и прогнозирования свойств новых веществ.
